[发明专利]假阳性识别模型的训练方法、目标识别方法及装置

权利要求书

1.一种假阳性识别模型的训练方法，其特征在于，所述训练方法包括：

获取目标识别模型以及获取至少一个扰动目标识别模型，所述扰动目标识别模型是通过对所述目标识别模型中预设卷积层的输出特征信息进行随机扰动处理后训练得到的；

基于各个所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量；

根据所述第一不确定度特征向量以及所述目标图像的标签，对所述假阳性识别模型进行训练，确定目标假阳性识别模型。

2.根据权利要求1所述的训练方法，其特征在于，所述获取至少一个扰动目标识别模型，包括：

将样本图像输入所述目标识别模型，提取所述目标识别模型中预设卷积层的输出特征信息；

随机选取多个扰动坐标点；

利用所述扰动坐标点，对所述输出特征信息中对应于所述扰动坐标点的像素值进行处理，得到扰动特征图；

基于所述扰动特征图对所述目标识别模型进行训练，得到所述扰动目标识别模型。

3.根据权利要求2所述的训练方法，其特征在于，所述利用所述扰动坐标点，对所述输出特征信息中对应于所述扰动坐标点的像素值进行处理，得到扰动特征图，包括：

以各个所述扰动坐标点为中心，确定扰动区域；

将所述输出特征信息中对应于所述扰动区域的像素值设置为预设值，得到所述扰动特征图。

4.根据权利要求1所述的训练方法，其特征在于，所述基于所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量，包括：

对应于各个所述扰动目标识别模型，计算所述扰动目标识别模型中各个第一目标识别区域与所述目标识别模型中对应的第二目标识别区域的重叠率；

利用所述重叠率对所述第一目标识别区域的识别概率进行调整，得到所述各个第一目标识别区域对应于各个目标类别的目标识别概率；

对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量。

5.根据权利要求1所述的训练方法，其特征在于，所述基于所述扰动目标识别模型对目标图像的第一识别结果以及所述目标识别模型对所述目标图像的第二识别结果的关系，确定第一不确定度特征向量，包括：

计算所述第二目标识别区域中所有像素属于各个目标类别的概率的平均值，以得到所述第一目标识别区域对应于各个目标类别的目标识别概率；

对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量。

6.根据权利要求4或5所述的训练方法，其特征在于，所述对各个所述扰动目标识别模型对应的目标识别概率进行统计分析，确定所述第一不确定度特征向量，包括：

利用各个所述扰动目标识别模型对应的目标识别概率，计算所述各个目标类别对应的目标识别概率的统计值，所述目标识别概率的统计值包括熵、标准差、均方根误差、范围、平均绝对离差中的至少一种；

基于所述各个目标类别对应的目标识别概率的统计值，确定所述各个目标类别对应的第一不确定度特征向量。

7.根据权利要求1所述的训练方法，其特征在于，所述根据所述第一不确定度特征向量以及所述目标图像的标签，对所述假阳性识别模型进行训练，确定目标假阳性识别模型，包括：

将所述第一不确定度特征向量输入所述假阳性识别模型中，得到预测分类结果；

利用所述目标图像的标签以及所述预测分类结果，对所述假阳性识别模型的参数进行调整，以确定所述目标假阳性识别模型。